解析自动驾驶感知技术的三大新范式
本文来源：智车科技
导读
自动驾驶传感器配置需求随着汽车智能化和电动化的快速发展不断增加。当前的传感器趋向于从探测范围、探测精度、探测能力上进行不断优化以便适应更多的边缘场景。使用更高级能力的传感器到底能带来哪些优势，又能解决哪些问题，如何对车身周围的传感器进行最优化配置和选择将是我们必须要面对的问题。现如今，越来越多的企业将目光锁定到了感知的三大新范式之中，相较于传统的感知方法已经无法满足新一代自动驾驶的技术需求，感知的技术革新也正走在路上。
01
4D毫米波雷达
为实现盲点检测和定距巡航等功能而存在的传统毫米波雷达，已在汽车产业应用多年，其所拥有的全天候全天时感知特性以及精准测速特性，使得毫米波雷达成为汽车感知系统中重要的传感器之一。
但由于传统车载毫米波雷达测高能力不足，对于路边低矮目标、空中目标以及路面静态目标的区分和识别存在较大局限性，整体输出信息量与可见光摄像头、激光雷达的信息输出不在同一量级，所以在自动驾驶感知系统中的参与度和置信度并不高，无法深度参与自动驾驶感知过程。马斯克就曾表示，摄像头的信息量已经比雷达高上几个数量级，加入雷达的数据实际上降低了信噪比。
面对自动驾驶对感知可靠性和安全性越来越高的要求，一种高信息质量、高性价比的超高分辨率毫米波雷达为自动驾驶感知系统创造出了新的想象空间，也就是近来备受产业关注和投资者青睐的“4D成像雷达”。
4D成像雷达全称为“4D毫米波成像雷达”，“4D”是相对于传统毫米波雷达（也即3D雷达）仅有距离（Range）、速度（Velocity）、方位角（Azimuth）三个维度的信息而言，增加了俯仰角度（Elevation）的信息感知能力，可对纵向目标进行高分辨率地识别；“成像”则类似于激光雷达的点云成像效果，与传统毫米波雷达相比，4D成像雷达的射频收发通道数量多出十倍以上，随着俯仰角分辨率大大提高，能够对目标和环境呈现出丰富的点云图像以及距离、速度和角度信息。由于当前业界对于4D成像雷达缺乏统一的定义，坊间经常将“4D毫米波成像雷达”与“4D毫米波雷达”相混淆，但二者其实是两种完全不同性质的毫米波雷达。
4D毫米波雷达只是在传统3D雷达的基础上增加了俯仰角度的测量，俯仰向分辨能力较低，此时俯仰角度的信息测量误差较大，因此通过角度信息计算出的高度信息精度依然不高。同时4D毫米波雷达相较于传统3D雷达的输出测量点仅仅只有少量增加，因此4D毫米波雷达本质上仍属于点迹雷达的范畴。而只有4D毫米波成像雷达真正完成了从点迹雷达向成像雷达的进化。
02
高分辨率摄像头
随着整车E/E 架构的演化趋势，传感ECU 也开始由分布式向集中式进行演变，其中的算力也不再向以前一样由各分ECU来承担，而是由中央处理器进行集中式处理，这一过程中的计算机视觉及图像处理则由中央域控制器进行软件集成，而摄像头将只用于“图像采集”的纯sensor。
随着自动驾驶级别的提升，对摄像头的要求也越来越高，其中主要体现在对摄像头的分辨率上，从最开始30万像素实现基本的全景泊车升级到100多万像素实现半自动泊车，又发展到现在的200万像素实现基本的行车对中控制。并且随着自动驾驶级别对于感知能力的进一步提升需求以及市场需求的推动，未来的高级别自动驾驶车辆中都在规划应用800万级别的高清像素摄像头，用于对更远距离的目标进行识别和监测。从基础能力上看，升级为800万摄像头最大的挑战在于其对感知算力的大幅提升。因此，类似高清车载摄像头需要有与高分辨率摄像头相匹配的算法和测试能力。近段时间，百度更是计划推出超1500万高像素车载摄像头，据悉摄像头的模组已经完成初步设计，正在全速推进开发测试进程，不久后将正式上市。
然而，摄像头的分辨率也并不是越高越好，随着分辨率的提升，对于高清摄像头在带宽、数据量等方面的需求也是呈现指数级别的增长，这就导致其对于周边关联部件和网络的需求也呈现较高的能力需求。因此，对于自动驾驶系统来说，在进行摄像头方案选型时候需要在分辨率和探测效能上做一个权衡。
03
不容忽视的激光雷达
同样是雷达，毫米波雷达的金属反射电磁波性能远比人体要高，因此针对像自行车或行人这样的反射物在距离检测车辆1.5米时，普通采用3发4收单片3D毫米波雷达对自行车也几乎只能检测到一个点，甚至检测不到。即便是成像毫米波雷达，对于行人、锥桶这类物体也只是一个小点，普通雷达则完全检测不到。从这一点上讲，显然成像毫米波雷达无法和激光雷达成像相提并论。激光雷达用于下一代自动驾驶系统可以极大程度地提升其系统探测能力，已经是一个不争的事实。这方面的优势主要体现在其优质的探测能力可以解决很多当前自动驾驶系统无法解决的一些边缘场景，包括车辆Cut-in、检测车后突出物、道路中的异形物等。
其实，无论对于主机厂还是供应商，对激光雷达的要求无非就是性能（包含测距能力、精度、视场角、分辨率、刷新帧率、体积、功耗等参数）、可靠性（运行稳定性、一致性、是否符合车规级别）和成本（设计成本、物料成本、生产成本）。
激光雷达的地位确立也不是顺理成章的，也是不同技术路线博弈的结果。现阶段，激光雷达行业也是参差不齐的。不同的车企，其对激光雷达安装的位置、激光雷达的颗数、扫描的方案、可以支撑的自动驾驶级别都不同。不过，从形态的进化来看，激光雷达从机械到半固态，再从半固态到全固态的发展方向倒是确定的。
从目前的市场形势来看，虽然激光雷达的成本在1000美元左右甚至更贵，但是在汽车智能化“内卷”的当下，激光雷达已经进入普及。长城沙龙机甲龙，甚至搭载了4颗来自华为的激光雷达。但是如果只是停留在L2L3级别，其实激光雷达还不能最大化地发挥其实际的价值。而越来越多的车企认识到，想要实现真正的L4自动驾驶，激光雷达是必不可少的传感器之一。
04
总结
从自动驾驶系统的传感器先进性升级角度上看，将搭载高清摄像头、优质的激光雷达、成像毫米波雷达来重点解决当前自动驾驶系统可能遇到的各种边缘场景问题。其中，升级为4D毫米波雷达，算法便可更多考虑毫米波雷达的感知结果，从而以更高概率识别路面上的静态障碍物，结合其高分辨率带来的优势，可以更有效地解析目标的轮廓、类别、行为，进而能知道在什么情况下必须刹车（避免漏刹）。视觉感知的挑战在于，目标障碍物必须经过提前训练，而模型库又不可能穷举所有类型，所以很多静态障碍物成了“漏网之鱼”，此外即使有模型库，另一个挑战在于神经网络能否正确识别出前方障碍物。因此，便经常出现明明前方有障碍物、自动驾驶汽车却依然撞上去的结果。高清摄像头正好从一定程度上可以解决部分该问题，但是也要注意对摄像头的选型需要遵循一定的原则。此外，从激光雷达的原理可以，激光雷达可以通过发射接收的点云自然的拟合出各种形状的物体，但是，激光雷达的使用也是需要从成本、性能和功耗等各个角度统一考虑其搭载的可行性。
原文标题 : 解析自动驾驶感知技术的三大新范式
相关推荐
-
探究智能驾驶的“智慧之眼”
本篇文章主要对激光雷达进行简单的介绍。激光雷达最早可以溯源到20世纪60年代，1960年，在红宝石激光器被发明出来后，激光雷达的技术开始逐渐发展成型。
-
面向现代视觉系统的低功耗图像传感器
在更快的连接速度、更高的自动化程度和更智能系统的推动下，工业4.0加快了视觉技术在制造业中的应用，并将智能化引入到以往简单的数据采集系统中。上一代视觉系统负责捕捉图像，对其进行封装以供传输，并为后续的FPGA、ASIC或昂贵的SoC等器件提供图像数据进行处理
-
MY9706氮氧化物传感器—实现尾气排放的精准控制
氮氧化物传感器由传感探头和电控采集组成，是一种能够测量柴油尾气中氮氧化物（NO和NO2等混合物）浓度及氮气浓度的装置；它不仅广泛应用于柴油机发动机的SCR系统中，实现对NOX的闭环控制，还可以应用于汽油和柴油发动机的车载诊断中
-
了解 ADAS 和车舱监控系统对网络安全图像传感器的需求
要让人们认识到汽车网络安全的重要性并不容易。随着汽车向半自动驾驶过渡，汽车主机厂 (OEM) 越来越关注汽车网络安全问题。对汽车网络实施控制的理由很明显，目的是确保除了驾驶员（或在特定和约束条件下替代驾驶员的驾驶系统）之外没有人可以控制车辆
-
适用于工业和交通市场的电感式位置传感器
随着各行各业自动化程度的提高，运动控制的重要性日益凸显。为了有效地驱动电机，描述速度和位置的控制输入必不可少。然而，实现这种感测的技术有多种，每种技术都有不同的特点和应用场景。 本文将比较不同的旋转感测技术，并讨论选择它们的原因
-
光距感
接近光传感芯片是一种可以检测物体距离和位置的传感器。它的工作原理基于光电效应。当某个物体与接近光传感器靠近时，传感器会发出一束红外线。随着物体越来越靠近，被反射回来的光线会变强，被接近光传感器捕获。传感器可以测量时间，因此可以确定物体与传感器之间的距离
-
自动驾驶革命：解密端到端背后的数据、算力和AI奇迹
作者 |毫末智行数据智能科学家 贺翔编辑 |祥威最近，特斯拉FSD V12的发布引发了业界对端到端自动驾驶的热议，业界纷纷猜测FSD V12的强大能力是如何训练出来的。从马斯克的测试视频可以大致归纳一
-
呼吸机氧电池氧传感器在新冠疫情中有何作用
新华社新德里5月11日电（记者胡晓明）印度果阿邦一家公立医院11日至少有26名新冠患者因缺氧死亡。果阿邦卫生部长维什瓦吉特·拉内说，事件发生在果阿医学院附属医院。该医院的氧气需求量为1200瓶，但目前仅获得了400瓶氧气
-
北京大学研发基于超短脉冲激光的MEMS传感器振动特性刻蚀调控设备
近日，北京大学集成电路学院、微米纳米加工技术全国重点实验室，集成电路高精尖创新中心研究团队在《IEEE半导体制造技术》期刊（IEEE Transactions on Semiconductor Man
